Z.ai, பெய்ஜிங்கை தளமாகக் கொண்ட Zhipu என்றும் அழைக்கப்படும் செயற்கை நுண்ணறிவு நிறுவனமானது, GLM-5.3 ஐ வெளியிட்டுள்ளது, இது மென்பொருள் பொறியியலுக்கான மிகவும் திறமையான திறந்த-எடை அமைப்பு என்று நிறுவனம் கூறுகிறது. ஆகஸ்ட் 14 அன்று அறிவிக்கப்பட்டது மற்றும் நிறுவனத்தின் வலைப்பதிவு இடுகையில் விவரிக்கப்பட்டுள்ளது, GLM-5.3 ஆனது ஜூன் மாதம் வெளியிடப்பட்ட அதன் முன்னோடி GLM-5.2 போன்ற தோராயமாக 700 பில்லியன் அளவுரு அடிப்படை மாதிரியில் கட்டமைக்கப்பட்டுள்ளது. ஒவ்வொரு முன்னேற்றமும், ஒரு பெரிய அடித்தளத்தை விட பிந்தைய பயிற்சியிலிருந்து வருகிறது என்று நிறுவனம் கூறுகிறது. ஆந்த்ரோபிக் மற்றும் ஓபன்ஏஐ ஆகியவற்றிலிருந்து மூடிய அமைப்புகளை விஞ்சும் நோக்கில், சீன திறந்த எடை மாடல்களின் அலையில் இந்த வெளியீடு சமீபத்தியது. AI Buzz Wire மாடல் டிராக்கரைப் பொறுத்தவரை, GLM-5.3 என்பது திறந்த-எடை எல்லையானது பலர் எதிர்பார்த்ததை விட வேகமாக குறியீட்டு இடைவெளியை மூடுகிறது என்பதற்கான தெளிவான சமிக்ஞையாகும்.
ஆதாயங்கள் முற்றிலும் பயிற்சிக்குப் பிந்தைய காலத்தில் கட்டமைக்கப்படுகின்றன
Z.ai GLM-5.3 உடனான அணுகுமுறையைப் பற்றி அப்பட்டமாக உள்ளது: "அளவிடுதல் பிந்தைய பயிற்சி மட்டுமே நாங்கள் செய்தோம்." நிறுவனம் GLM-5.2 உடன் அறிமுகப்படுத்திய வலுவூட்டல்-கற்றல் அடுக்கை எடுத்துச் சென்றது - திறமையான நீண்ட-சூழல் செயலாக்கத்திற்கான IndexShare, நீண்ட அடிவானப் பணிகளில் வலுவூட்டல் கற்றலுக்கான SAO மற்றும் பெரிய அளவிலான ஒத்திசைவற்ற பயிற்சிக்கான slime எனப்படும் திறந்த-மூல கட்டமைப்பை உள்ளடக்கியது. கடந்த ஒரு மாதத்தில், அது அதிக சூழல்கள், பலதரப்பட்ட பணிகள் மற்றும் அதிகமான கணக்கீடுகளை அந்த அடுக்கில் செலுத்தியது.
ஊதியம் குறியீட்டு வரையறைகள் முழுவதும் காண்பிக்கப்படும். டெர்மினல் பெஞ்ச் 3.0 இல், GLM-5.3, GLM-5.2 இன் ஸ்கோரான 4.6 இலிருந்து 28.3 ஆக உயர்ந்துள்ளது - இது ஆறு மடங்கு முன்னேற்றம். இது டெர்மினல் பெஞ்ச் 3.0 மற்றும் முகவர்களின் கடைசித் தேர்வில் திறந்த மூல அதிநவீன முடிவுகளை வெளியிடுகிறது, மேலும் ஏஜென்டிக் திறனின் ALE-CLI அளவீட்டில் 23.8 முதல் 28.5 வரை மேம்படுத்துகிறது. Z.ai ஆனது GLM-5.2 ஐ விட 50% முன்னேற்றத்தை அதன் இன்-ஹவுஸ் Z.ai கோட் பெஞ்சில் தெரிவிக்கிறது, இது யதார்த்தமான வளர்ச்சி சூழல்களில் குறியீட்டு முகவர்களை மதிப்பிடுவதற்கும், பொது சோதனைத் தொகுப்புகளிலிருந்து மாசுபடும் அபாயத்தைக் குறைப்பதற்கும் வடிவமைக்கப்பட்ட ஒரு தனியார் அளவுகோலாகும்.
முக்கியமாக, ஆதாயங்கள் சிறந்த டோக்கன் செயல்திறனுடன் வருகின்றன, சிறந்த முடிவுகள் மட்டுமல்ல. உயர் முயற்சியில், GLM-5.3 ஆனது, ஒரு பணிக்கு தோராயமாக 50,000 அவுட்புட் டோக்கன்களில் உள்ள-ஹவுஸ் பெஞ்ச்மார்க்கில் 31.4% நிறைவடைகிறது, இது 120,000 டோக்கன்களுடன் 29.5% இல் ஆந்த்ரோபிக்கின் கிளாட் ஓபஸ் 4.8 ஐ விஞ்சுகிறது என்று Z.ai கூறுகிறது. GLM-5.3 இன்னும் ஆந்த்ரோபிக்கின் மேம்பட்ட கிளாட் ஃபேபிள் 5 ஐப் பின்தொடர்கிறது, இது அதிகபட்ச முயற்சியில் 39.5% அடையும்.
சைபர் திறனில் ஒரு எதிர்பாராத பாய்ச்சல்
GLM-5.3 இன் மிகவும் குறிப்பிடத்தக்க முடிவு குறியிடலில் இல்லை மாறாக பாதுகாப்பில் உள்ளது. Z.ai பயிற்சிக்குப் பிந்தைய அளவீடு மற்றும் பயிற்சி கலவையில் பாதிப்பு-கண்டுபிடிப்பு தரவு மற்றும் சூழல்களை அறிமுகப்படுத்தியதால், குறைபாடுகளைக் கண்டறிந்து தர்க்கம் செய்வதில் மாதிரி மேம்படும் என்று எதிர்பார்க்கிறது. அந்தத் திறன் எவ்வளவு விரைவாக வளர்ந்தது என்பது அணியை ஆச்சரியப்படுத்தியது.
GLM-5.3 தனிமைப்படுத்தப்பட்ட பிழைகளைக் கண்டறிவதில் மட்டும் சிறந்து விளங்கவில்லை; இது சுரண்டலின் பல நிலைகளில் தர்க்கம் செய்யத் தொடங்கியது, முழுமையான தாக்குதல் சங்கிலிகளுக்கான ஒத்திசைவான திட்டங்களை உருவாக்கியது. சைபர் ஜிம்மில், ஒரு மாடல் வெள்ளைப் பெட்டி மூலக் குறியீட்டிலிருந்து பாதிப்புகளைக் கண்டறிந்து சரிபார்க்க முடியுமா என்பதைச் சோதிக்கும் அளவுகோலாகும், GLM-5.3 மதிப்பெண்கள் 84.5%, GLM-5.2 இன் 77.2% இலிருந்து. 83.8% இல் Mythos 5 மற்றும் 83.6% இல் GPT-5.6 Sol ஐ விட சிறந்த முடிவு இதுவாகும். ExploitBench இல், உண்மையான பாதிப்புகள் மற்றும் அவற்றின் சுரண்டல் பற்றிய ஆழமான பகுத்தறிவைக் கோரும், GLM-5.3 GLM-5.2 இன் மதிப்பை இரட்டிப்பாக்கி, 54.4% ஐ எட்டுகிறது - இருப்பினும் இது Mythos 5 க்கு 78.0% மற்றும் GPT-5.6 Sol ஐ விட 76.5% பின்தங்கி உள்ளது.
Z.ai ஒரு சீரான வடிவத்தைக் கவனிக்கிறது: சுரண்டல் சங்கிலியை ஒரு அளவுகோல் உட்கார வைக்கிறது, GLM-5.2 ஐ விட பெரிய ஆதாயம் - மேலும் மூடிய எல்லைக்கு எஞ்சியிருக்கும் இடைவெளி அதிகமாகும். "நாம் பின்னால் இருக்கும் இடத்தில் திறன் வேகமாக வளர்ந்து வருகிறது" என்று நிறுவனம் குறிப்பிடுகிறது.
நிஜ உலக பாதிப்பு கண்டுபிடிப்புகள்
சைபர் திறன்கள் வரையறைகளுக்கு மட்டுப்படுத்தப்படவில்லை. ஜிஎல்எம்-5.2 முதல், சீனாவில் உள்ள பல பாதுகாப்புக் குழுக்களுடன் இணைந்து அதன் மாதிரிகளை நிஜ உலகக் குறியீட்டுத் தளங்களுக்கு எதிராகச் சோதித்து வருவதாக Z.ai தெரிவித்துள்ளது. நிபுணர் மதிப்பாய்வு, ஸ்கிரீனிங் மற்றும் குறைப்புக்குப் பிறகு, மாடல் 269 திட்டங்களில் 2,436 பாதிப்புகளை அடையாளம் கண்டுள்ளது, இதில் 1,097 நடுத்தர முதல் உயர் தீவிரத்தன்மை சிக்கல்கள் அடங்கும். கண்டுபிடிப்புகள் கணினி கர்னல்கள், இயக்க முறைமைகள், உலாவி இயந்திரங்கள், திறந்த மூல உள்கட்டமைப்பு, வலை பயன்பாடுகள் மற்றும் பிணைய நெறிமுறைகள் - பல ஆண்டுகள் அல்லது பல தசாப்தங்களாக கவனிக்கப்படாமல் இருந்தன, பழமையானது சுமார் 40 ஆண்டுகளுக்கு முந்தையது.
அந்த முடிவுகள் எதிரொலி வேலை ஆந்த்ரோபிக் அதன் சொந்த மல்டிஏஜென்ட் பாதுகாப்பு ஆராய்ச்சியில் விவரித்துள்ளது, அங்கு ஏஜென்ட்களின் ஒருங்கிணைந்த திரள்கள் அளவில் திறந்த மூல மென்பொருளில் உள்ள பாதிப்புகளை வேட்டையாட பயன்படுத்தப்பட்டன.
திறந்த எடைகள் - தாமதத்துடன்
பாதுகாப்பு மதிப்பீடு மற்றும் கடினப்படுத்துதல் முடிந்தவுடன், இரண்டு வாரங்களில் GLM-5.3 எடைகளை வெளியிடுவதாக Z.ai கூறுகிறது. அந்த வேண்டுமென்றே தாமதமானது அறிவிப்பின் மூலம் இயங்கும் பதற்றத்தை பிரதிபலிக்கிறது: அதன் படைப்பாளிகள் எதிர்பார்த்ததை விட வேகமாக தாக்கும் சைபர் திறன்களை உருவாக்கும் ஒரு மாதிரியானது, பொறுப்பான வெளியீடு குறித்த கேள்விகளை எழுப்பும் அமைப்பு ஆகும். அதன் பயிற்சி-வெளியேற்ற நிலைத்தன்மையானது அதிக எண்ணிக்கையிலான துல்லியமாக மேம்படுத்தப்பட்டுள்ளது, மேலும் அளவிடுதலில் உள்ள சிரமம் மாதிரியிலிருந்து யதார்த்தமான, சரிபார்க்கக்கூடிய பணி சூழல்களின் வடிவமைப்பிற்கு மாறியுள்ளது என்று நிறுவனம் வலியுறுத்துகிறது.
போட்டி படம் தெளிவாக உள்ளது. GLM-5.3, குறைந்தபட்சம் ஒரு பெரிய பாதிப்பு-கண்டுபிடிப்பு அளவுகோலில் நேரடியான முன்னிலையைக் கோரும் அதே வேளையில், குறியீட்டு மற்றும் முகவர் பணிகளில் மூடிய எல்லைக்கான தூரத்தைக் குறைக்கிறது. இது ஒரு திறந்த-எடை மாதிரியாகச் செய்கிறது - அதாவது, வெளியிடப்பட்டதும், எவரும் பதிவிறக்கம் செய்யவும், படிக்கவும் மற்றும் உருவாக்கவும் எடைகள் இலவசமாகக் கிடைக்கும். அந்த வெளிப்படைத்தன்மை முன்னேற்றத்தை விரைவுபடுத்துகிறதா அல்லது புதிய பாதுகாப்புக் கவலைகளை எழுப்புகிறதா என்பது GLM-5.3 என்பது ஒரு விவாதம்.
AIக்கு முன்னால் இருங்கள்
சமீபத்திய AI மாடல் வெளியீடுகள், பெஞ்ச்மார்க் போர்கள் மற்றும் தொழில்துறை பகுப்பாய்வுகளுக்கு, புக்மார்க் AI Buzz Wire.
மேலும் AI செய்திகளைப் படிக்கவும் →
